Task-optimized neural networks reveal distinct contributions of specialized and broader visual learning to neural representations of face familiarity
من خلال الجمع بين تخطيط مغناطيسية الدماغ (MEG) ذي المصدر المحدّد والشبكات العصبية المُحسّنة للمهام، تُظهر هذه الدراسة أن معالجة ألفة الوجوه تتضمن تفككاً يعتمد على المرحلة، حيث تعتمد المناطق البصرية المتوسطة على التدريب الخاص بالوجوه من أجل دقة التوقيت، بينما تتماشى تمثيلات القشرة المغزلية مع أهداف التعلم البصري الأوسع.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي لبحث مسبق لم يخضع لمراجعة الأقران. وهو ليس نصيحة طبية. لا تتخذ أي قرارات تتعلق بصحتك بناءً على هذا المحتوى. اقرأ إخلاء المسؤولية الكامل
إن الدماغ البشري هو سيد في التعرف على الأشياء. ففي جزء من الثانية، يمكنه تحديد صديق وسط حشد، وتمييز وجه مألوف عن وجه غريب، والتنقل في عالم معقد من الأشياء. لعقود من الزمن، ناقش العلماء كيف يحدث هذا، وتحديداً فيما يتعلق بالوجوه. تقترح إحدى المدارس الفكرية أن الدماغ يمتلك "عتاداً" مخصصاً ومتخصصاً للوجوه، أي دائرة فريدة تطورت خصيصاً للتعامل مع الوجوه البشرية. بينما يرى رأي آخر أن التعرف على الوجوه ليس سوى نسخة مصقولة للغاية من النظام العام الذي نستخدمه للتعرف على جميع الأشياء، من الكراسي إلى السيارات. والحقيقة تكمن على الأرجرج في مكان ما بينهما، لكن تحديد أين ومتى ينتقل الدماغ بالضبط من معالجة الأشياء العامة إلى الخبرة المتخصصة في الوجوه كان أمراً صعباً. وذلك لأن الخبرة البشرية تُبنى على مدى العمر؛ فلا يمكننا ببساطة محو ذاكرة الشخص بعائلته لنرى كيف يتفاعل دماغه، كما لا يمكننا بسهولة إعادة تدريب دماغه ليعامل الوجوه كمجرد فئة أخرى من الأشياء.
ولحل هذا اللغز، لجأ الباحثون إلى نوع مختلف من المراقبين: الشبكات العصبية الاصطناعية. وهذه برامج حاسوبية مصممة لمحاكاة بنية الدماغ، وهي قادرة على تعلم التعرف على الأنماط. ومن خلال تدريب هذه الشبكات على مهام مختلفة — بعضها لتحديد أشخاص معينين، والبعض الآخر لتصنيف أشياء عامة — استطاع العلماء إنشاء نماذج محكومة للتجربة البليغة. ثم قارنوا "الأفكار" الداخلية لهذه الشبكات مع النشاط الكهربائي الفعلي للأدمغة البشرية. وكان الهدف هو معرفة أي أجزاء الدماغ تتوافق مع أي نوع من أنواع التعلم، مما يكشف عن اللحظة والمكان الدقيقين اللذين يصبح فيهما التعرف على الوجوه متخصصاً.
ركزت الدراسة على المسار البصري البطني، وهو المسار المسؤول عن معالجة ما نراه. وقد ركز الباحثون على منطقتين رئيسيتين: القشرة القذالية الجانبية، وهي منطقة تشارك في التعرف على الأشكال والأشياء، والقشرة المغزلية، وهي منطقة ترتبط ارتباطاً وثيقاً بمعالجة الوجوه. واستخدموا تقنية تسمى تخطيط مغناطيسية الدماغ (MEG)، والتي تقيس المجالات المغناطيسية الناتجة عن نشاط الدماغ بدقة تصل إلى الميلي ثانية. وقد سمح لهم ذلك بمراقبة استجابة الدماغ وهي تتكشف في الوقت الفعلي بينما يشاهد المشاركون ثلاثة أنواع من الصور: وجوه أشخاص مشهورين يعرفونهم، ووجوه غرباء لا يعرفونهم، وصور مشوشة للوجوه تبدو كأنها ضجيج.
ولفهم هذا التدفق الهائل من البيانات، بنى الفريق سبع شبكات حاسوبية مختلفة. فقد تم تدريب بعضها للتعرف على هويات محددة، مثل وجه شخص مشهور. وتم تدريب البعض الآخر لتصنيف الأشياء إلى فئات واسعة، مثل "كلب" أو "سيارة"، حيث تُعامل الوجوه فيها كمجرد فئة أخرى. أما المجموعة الثالثة فقد تم تدريبها للقيام بالأمرين معاً، أي التعرف على الأشياء والوجوه كمجموعة واحدة، ولكن دون التمييز بين الوجوه الفردية. وأخيراً، كانت هناك شبكات غير مدربة لتعمل كخط أساس للمقارنة. ومن خلال تغذية هذه الشبكات بنفس صور الوجوه ومقارنة الأنماط الناتجة مع فحوصات الدماغ البشرية، استطاعوا رسم خريطة توضح بالضبط أين ومتى يتوافق نشاط الدماغ مع "تعلم" الحاسوب.
كشفت النتائج عن انقسام مثير للاهتمام في كيفية تعامل الدماغ مع الألفة. ففي القشرة القذالية الجانبية، المنطقة المسؤولة عن معالجة الأشياء المتوسطة، تغير توقيت استجابة الدماغ بشكل كبير بناءً على درجة الألفة. فعندما شاهد المشاركون وجهاً مألوفاً، تغير نشاط دماغهم ليتوافق مع النماذج الحاسوبية أسرع بنحو 18 ميلي ثانية مما حدث عند رؤية وجه غير مألوف. وكان هذا التعزيز في السرعة أكثر اتساقاً في النماذج الحاسوبية التي تم تدريبها خصيصاً للتعرف على الهويات الفردية. وهذا يشير إلى أنه بالنسبة للوجوه المألوفة، يصل الدماغ إلى نقطة التعرف في مرحلة مبكرة قليلاً في مسار المعالجة، ولكن هذا التأثير يكون أكثر تنظيماً عندما يكون النظام مضبوطاً لتحديد الأفراد بشكل محدد.
ومع ذلك، تغيرت القصة في القشرة المغزلية، وهي المنطقة الأعمق في الدماغ المرتبطة بتحليل الوجوه التفصيلي. ففي هذه المنطقة، لم تجعل الألفة الدماغ يستجيب بشكل أسرع، بل جعلت استجابة الدماغ أقوى وأكثر توافقاً مع النماذج الحاسوبية. ومن الأهمية بمكان أن هذه الاستجابة الأقوى ظهرت بغض النظر عن كيفية تدريب النماذج الحاسوبية؛ فسواء كان النموذج خبيراً في الوجوه، أو مصنفاً للأشياء، أو متعلماً عاماً، أظهرت منطقة القشرة المغزلية في الدماغ اتصالاً قوياً ومعززاً عند مشاهدة الوجوه المألوفة. ويتحدى هذا الاكتشاف فكرة أن منطقة معالجة الوجوه المتخصصة في الدماغ تعتمد حصرياً على مسار تعلم فريد خاص بالوجوه فقط. بدلاً من ذلك، يشير الأمر إلى أن القدرة على التعرف على وجه مألوف يمكن أن تنشأ من التعلم البصري الأوسع، وليس فقط من التدريب المتخصص على الوجوه.
لقد أثبتت الدراسة فعلياً عدم صحة فكرة أن التعرف على الوجوه هو عملية واحدة شاملة (إما موجودة أو غير موجودة). فهي تظهر أن الدماغ يستخدم استراتيجيات مختلفة في مراحل مختلفة. ففي المراحل المتوسطة من المعالجة، يتم شحذ توقيت الدماغ من خلال الهدف المحدد المتمثل في تحديد الهويات. ولكن في المراحل اللاحقة، تكون قدرة الدماغ على تمثيل وجه مألوف مرنة ويمكن دعمها من خلال الخبرة البصرية العامة. وهذا يعني أنه بينما يؤدي التعلم للتعرف على أشخاص محددين إلى صقل سرعة التعرف، فإن التمثيل المستقر والعميق لوجه مألوف هو قدرة أكثر عمومية لا تتطلب نظام تدريب متخصصاً للوجوه فقط. إن الدماغ، كما تبين، ليس آلة جامدة ذات مفتاح واحد للوجوه، بل هو نظام ديناميكي يكيف سرعة معالجته وقوتها اعتماداً على ما تعلمه وأين يتم معالجة المعلومات في التسلسل الهرمي البصري.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.